Modeling Spatial and Functional Interdependencies of Civil Infrastructure Networks
Notice bibliographique
Résumé
Asset management targets the sustainability of civil infrastructure throughout combining engineering and economic principles to meet customers' needs and avoid likely catastrophic failures. In the past decade, researchers commonly focused on developing techniques for understanding and controlling the performance of isolated infrastructure networks by using various simulations and statistical and optimization techniques. However, the developed models overlooked the spatial and functional interdependencies between various civil infrastructure. For instance, consider failure in a water main, the structural and functional capacity of the spatially interdependent road may likely be compromised thus affecting other surrounding roads' functionality. This raises the call for developing integrated asset management tools for identifying interdependent assets and capturing to which extent one asset failure can affect neighboring assets' performance. This paper provides a framework for capturing spatially and functionally interdependent assets that consists of two models: 1) a spatial interdependency model and 2) a functional interdependency model. The spatial interdependency model utilizes ArcGIS geoprocessing tools in determining geographically interdependent assets. The spatial interdependency model encapsulates the interdependent assets in a set of new layers and a new generated database containing characteristics of such interdependencies. However, the functional interdependency model employs graph theory principles in determining an asset's degree of connectivity with its neighboring assets. The functional model will aid in recognizing the likely influence of an asset failure on its neighboring assets' performance using two proposed parameters: 1) neighborhood centrality and 2) significant point variance. A case study using City of London water and road network will be used to demonstrate the potential for applying the proposed framework.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».